1 |
1
딥러닝 기반 이미지 처리 기술을 활용한 약물 평가 장치의 약물 평가 방법으로서,평가하고자 하는 약물에 대한 세포 이미지를 획득하는 단계;몰 농도(moral concentration)를 예측하도록 훈련된 이미지 처리 기반 학습 모델을 로딩하는 단계;상기 획득한 세포 이미지에 상기 학습 모델을 적용하여 상기 세포 이미지에 해당하는 세포의 몰 농도를 출력하는 단계; 및상기 학습 모델을 통해 출력된 상기 세포 이미지에 해당하는 세포의 몰 농도에 기반하여, 상기 약물이 상기 세포에 미치는 영향을 평가할 수 있는 약물 평가 값을 산출하는 단계를 포함하는,약물 평가 방법
|
2 |
2
제 1 항에 있어서,상기 학습 모델은,세포 이미지 및 상기 세포 이미지에 대응하는 몰 농도 레이블을 수집하는 단계;상기 세포 이미지와 상기 몰 농도 레이블을 매핑(mapping)하는 알고리즘을 학습하는 단계; 및상기 학습된 알고리즘을 기반으로 상기 세포 이미지와 상기 몰 농도 레이블을 추가로 입력하여 파인 튜닝(Fine Tuning)을 수행하는 단계를 포함하는 훈련 페이즈(phase)에 의해 훈련된,약물 평가 방법
|
3 |
3
제 2 항에 있어서,상기 학습 모델은,파인 튜닝 수행을 위해, 기 학습된 학습 모델의 Top 레이어 뒷 단에 GAP(global average pooling) 레이어와 dense 레이어가 구성되어 파라미터가 업데이트되도록 훈련된,약물 평가 방법
|
4 |
4
제 2 항에 있어서,상기 학습 모델은,평균 제곱 오차(mean squared error) 손실 함수가 적용되고, Adam (Adaptive Moment Estimation) 최적화 알고리즘을 통해 상기 손실 함수에 기반한 최적화가 수행되도록 구성된,약물 평가 방법
|
5 |
5
제 1 항에 있어서,상기 세포 이미지를 획득하는 단계는,상기 평가하고자 하는 약물의 농도의 개수를 설정하는 단계;상기 설정한 약물의 농도의 개수에 따라 약물 농도를 입력하는 단계; 및상기 입력한 약물 농도에 대응하는 세포 이미지를 입력하는 단계를 포함하는,약물 평가 방법
|
6 |
6
제 5 항에 있어서,상기 세포 이미지에 해당하는 세포의 몰 농도를 출력하는 단계는,상기 입력한 약물 농도별 세포 이미지에 해당하는 세포의 몰 농도들의 평균 값과 표준 편차 값이 출력되는 단계를 포함하고,상기 약물 평가 방법은,상기 출력된 세포의 몰 농도의 표준 편차 값이 설정 값 이상인 세포 이미지를 제외하는 단계를 더 포함하는,약물 평가 방법
|
7 |
7
제 6 항에 있어서,상기 약물 평가 값을 산출하는 단계는,약물 농도별 몰 농도의 평균 값에 기초하여, 상기 몰 농도의 평균 값이 기준 값일 때의 약물 농도를 약물 평가 값으로 산출하는 단계를 포함하는,약물 평가 방법
|
8 |
8
제 1 항에 있어서,상기 학습 모델은 상기 약물 평가 장치에서 수집된 데이터에 기반하여 생성된 사용자 생성 모델이거나 또는 외부 장치에서 기 학습되어 상기 약물 평가 장치에 제공된 학습 모델인,약물 평가 방법
|
9 |
9
제 8 항에 있어서,상기 학습 모델이 상기 약물 평가 장치가 생성하는 상기 사용자 생성 모델인 경우,타깃 세포 이미지 및 상기 타깃 세포 이미지에 대응하는 몰 농도 레이블을 수집하는 단계; 및상기 약물 평가 장치에서 수집된 데이터에 기반하여 상기 학습 모델을 생성하는 단계를 더 포함하는,약물 평가 방법
|
10 |
10
딥러닝 기반 이미지 처리 기술을 활용한 약물 평가 장치로서,메모리; 및상기 메모리와 연결되고, 상기 메모리에 포함된 컴퓨터 판독 가능한 명령들을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고,상기 적어도 하나의 프로세서는,평가하고자 하는 약물에 대한 세포 이미지를 획득하는 동작,몰 농도(moral concentration)를 예측하도록 훈련된 이미지 처리 기반 학습 모델을 로딩하는 동작,상기 획득한 세포 이미지에 상기 학습 모델을 적용하여 상기 세포 이미지에 해당하는 세포의 몰 농도를 출력하는 동작, 및상기 학습 모델을 통해 출력된 상기 세포 이미지에 해당하는 세포의 몰 농도에 기반하여, 상기 약물이 상기 세포에 미치는 영향을 평가할 수 있는 약물 평가 값을 산출하는 동작을 수행하도록 구성되는,약물 평가 장치
|
11 |
11
제 10 항에 있어서,상기 학습 모델은,세포 이미지 및 상기 세포 이미지에 대응하는 몰 농도 레이블을 수집하는 단계;상기 세포 이미지와 상기 몰 농도 레이블을 매핑(mapping)하는 알고리즘을 학습하는 단계; 및상기 학습된 알고리즘을 기반으로 상기 세포 이미지와 상기 몰 농도 레이블을 추가로 입력하여 파인 튜닝(Fine Tuning)을 수행하는 단계를 포함하는 훈련 페이즈(phase)에 의해 훈련된,약물 평가 장치
|
12 |
12
제 11 항에 있어서,상기 학습 모델은,파인 튜닝 수행을 위해, 기 학습된 학습 모델의 Top 레이어 뒷 단에 GAP(global average pooling) 레이어와 dense 레이어가 구성되어 파라미터가 업데이트되도록 훈련된,약물 평가 장치
|
13 |
13
제 11 항에 있어서,상기 학습 모델은,평균 제곱 오차(mean squared error) 손실 함수가 적용되고, Adam (Adaptive Moment Estimation) 최적화 알고리즘을 통해 상기 손실 함수에 기반한 최적화가 수행되도록 구성된,약물 평가 장치
|
14 |
14
제 10 항에 있어서,상기 세포 이미지를 획득하는 동작은,상기 평가하고자 하는 약물의 농도의 개수를 설정하는 동작,상기 설정한 약물의 농도의 개수에 따라 약물 농도를 입력하는 동작, 및상기 입력한 약물 농도에 대응하는 세포 이미지를 입력하는 동작을 수행하도록 구성되는,약물 평가 장치
|
15 |
15
제 14 항에 있어서,상기 세포 이미지에 해당하는 세포의 몰 농도를 출력하는 동작은,상기 입력한 약물 농도별 세포 이미지에 해당하는 세포의 몰 농도들의 평균 값과 표준 편차 값이 출력되는 동작을 수행하도록 구성되고,상기 적어도 하나의 프로세서는,상기 출력된 세포의 몰 농도의 표준 편차 값이 설정 값 이상인 세포 이미지를 제외하는 동작을 더 수행하도록 구성되는,약물 평가 장치
|
16 |
16
제 15 항에 있어서,상기 약물 평가 값을 산출하는 동작은,약물 농도별 몰 농도의 평균 값에 기초하여, 상기 몰 농도의 평균 값이 기준 값일 때의 약물 농도를 약물 평가 값으로 산출하는 동작을 수행하도록 구성되는,약물 평가 장치
|
17 |
17
제 10 항에 있어서,상기 학습 모델은 상기 적어도 하나의 프로세서에서 수집된 데이터에 기반하여 생성된 사용자 생성 모델이거나 또는 외부 장치에서 기 학습되어 상기 약물 평가 장치에 제공된 학습 모델인,약물 평가 장치
|
18 |
18
제 17 항에 있어서,상기 학습 모델이 상기 적어도 하나의 프로세서가 생성하는 상기 사용자 생성 모델인 경우,상기 적어도 하나의 프로세서는,타깃 세포 이미지 및 상기 타깃 세포 이미지에 대응하는 몰 농도 레이블을 수집하는 동작, 및상기 약물 평가 장치에서 수집된 데이터에 기반하여 상기 학습 모델을 생성하는 동작을 더 수행하도록 구성되는,약물 평가 장치
|